Fuzzy Optimization-based Sizing of a Battery Energy Storage System for Participating in Ancillary Services Markets
Notice bibliographique
Résumé
Due to the accelerated advancements in battery manufacturing recently, battery energy storage systems (BESS) have become more economically viable than ever before for power grid applications. Given their fast response, BESS are known for their efficacy in providing ancillary services (AS), such as frequency regulation and reserve services, to the bulk power grid. However, for an investor willing to provide AS to the electricity markets via BESS, properly sizing the storage system presents a challenge. In this paper, a BESS sizing optimization model is proposed. The model aims to identify the BESS optimal power and energy capacities that maximize the investor's long-term profitability. The optimization model considers the physical properties of BESS, such as degradation due to cycling. It also accounts for the uncertainties associated with the AS markets, mainly inaccurate AS price forecasts. To ensure computational tractability, the optimization is modeled as a fuzzy linear program (FLP). To verify its effectiveness, the proposed FLP-based optimization is compared with its deterministic counterpart. Simulation results using real data obtained from the ERCOT market demonstrates the effectiveness of the proposed FLP-based model, as compared to its deterministic counterpart, in identifying the optimal BESS size in a computationally tractable manner while capturing the market-related uncertainties.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».